Křížová validace KFold

Při práci s ML modely je zásadní vyhodnocovat jejich výkon na dosud neviděných datech. Jednou z běžných technik pro tento účel je k-fold křížová validace. V tomto cvičení prozkoumáš, jak technika k-fold křížové validace rozděluje dataset na trénovací a testovací sady. KFold je již naimportován, stejně jako příznaky datasetu srdečních onemocnění heart_disease_df_X.

Toto cvičení je součástí kurzu

Strojové učení od začátku do konce

Zobrazit kurz

Pokyny k cvičení

Vytvoř objekt KFold s parametry n_splits=5, shuffle=True a random_state=42
Rozděl data pomocí kfold.split()
Vypiš počet datových bodů v trénovací a testovací části

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a KFold object
kfold = ____(____, ____, ____)

# Get the train and test data from the first split from the shuffled KFold
train_data_split, test_data_split = next(____.____(____))

# Print out the number of datapoints in the train and test splits
print("Number of training datapoints in heart_disease_df_X:", ____)
print("Number of training datapoints in split:", ____)
print("Number of testing datapoints in split:", ____)

Upravit a spustit kód